Teachers' Reflections on Utilizing Slido to Enhance Learner Engagement
Notice bibliographique
Résumé
This paper was conducted to determine the reflections of teachers of English as a Foreign Language (EFL) in the application of Slido to enhance learners’ engagement at EFL classrooms. It utilized a qualitative phenomenological research design in exploring and describing the practical experiences of the participants in using Slido through critical evaluative reflection and personal views. Participants in this study were EFL teachers teaching in one of the higher education institutions in Oman with more than 15 years of teaching experience. Guided by the CARL model of reflection, the participants’ views and observations focused on the four areas of reflection such as context, action, result, and learning. Participants’ reflections were gathered through focus group discussion (FGD) using open-ended interview guide questions. The results showed that Slido technology helped learners to actively participate in the teaching and learning process. The interactive features of Slido, such as quizzes, and open-text exercises, fostered speedy response and improved student engagement. The result of the evaluative reflection showed that Slido, as an IT solution tool, is a valuable instrument for increasing student engagement and active participation in the classroom especially in English language classes. It contains user-friendly features essential for the learning process, with a unique platform that can make learning enjoyable and enhances the quality of teaching and teacher-learner interaction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».